摘要：针对现有国产多梳经编机因控制对象种类多、数量大而导致的数控系统结构复杂、故障率高、维护困难等问题,提出采用省线模式的基于高速运动控制网(Motionnet)的分布式运动控制网络设计方案,同时借助超高速数据总线Motionnet独有的G9000系列组网芯片实现系统内统一数据格式的信息传输,利用统一的总线类型搭建连接送经牵拉、花梳横移、贾卡提花等所有功能单元的控制网络。该设计方案极大简化了多梳经编机数控系统的网络结构和电缆接线数量,提高了系统内数据转换效率和整机无故障运行时间。

摘要：烟火图像检测在火灾防控中具有重要的意义,但由于烟雾和火焰成像具有多变性和无规则性,大多数烟雾检测算法在现实场景下往往表现欠佳,漏检情况相对严重。针对于此,通过结合基于深度学习的一阶段回归目标检测模型(YOLOv3)与自注意力机制,提出了一种基于YOLOv3自注意力烟雾和火焰图像检测算法,在优化原有YOLOv3网络模型的基础上,通过结合多尺度的自注意力网络,融合模型上下文信息,引导模型自适应学习提取关键的特征信息,增强了模型的特征表达,可有效提高烟雾和火焰检测的准确率。在测试集上结果表明,相比原有的基准检测算法,该方法烟火检测算法的准确率为92.1%,提高了6.5%;通过主干网络替换对比实验进一步验证了该结构设计的有效性,该算法具备较好的实用性。

摘要：为了在变电作业复杂环境中采用HOG和HOC特征进行着装分析时能满足识别精确度的要求,研究了对HOG+C算子的改进方法。首先,考虑到变电作业人员的头盔、上衣和下衣3个部分的形状特征明显不同,且各部分之间差异较大,提出对作业人员图像进行结构划分,然后再对划分所得的3个单元格分别同时提取HOG和HOC特征来训练线性SVM分类器,通过设计S-HOG+C算子来提高变电作业人员着装分析系统的识别精准度,最后采用3个评估指标分析了S-HOG+C算子在变电作业人员着装分析方面的性能。结果表明,在识别准确度方面S-HOG+C算子优于HOG+C算子。